基于参数优化变分模态分解的电缆故障点中点行波测距

针对传统的电缆行波测距方法中由计算得到的行波速度与实际速度间存在误差及行波波头标定不准确的问题,提出了一种新的相模变换来获取行波模值分量,并采用了中点行波测量法,使用乌燕鸥优化算法优化的变分模态分解对行波特征进行分解,用Teager-Kaiser能量算子来进行波头标定。在MATLAB/Simulink仿真模型中进行测试,所提方法与小波变换及经验模态分解相比,在一定的噪声范围内均具有优异的准确度。

基于参数优化VMD的轴承故障诊断方法研究

针对早期滚动轴承故障诊断准确率低、信号特性不平稳且难以获取大量样本等问题,提出基于最大相关峭度解卷积(MCKD)、乌燕鸥算法优化变分模态分解(STOA-VMD)和粒子群算法优化支持向量机(PSO-SVM)的滚动轴承故障诊断模型。首先使用MCKD处理信号提高信噪比,再通过STOA-VMD对信号进行分解,特征参量选用均方根熵值,输入PSO-SVM实现故障分类,并由实验和仿真验证了该方法可使故障诊断准确率明显提高。